Mohu spustit Phi-4 lokálně?

Ano — váhy jsou otevřené pod licencí MIT a jsou dostupné na Hugging Face pod microsoft/phi-4, takže jej můžete spustit lokálně s nástroji jako Ollama nebo LM Studio. Pro 14 miliard parametrů budete obvykle potřebovat 12 až 16 GB VRAM pro pohodlný inference.

Kolik stojí Phi-4 přes API?

Microsoft jej oceňuje na $0,07 za milion vstupních tokenů a $0,14 za milion výstupních tokenů, což jej řadí mezi levnější hostované modely; licence MIT také umožňuje vlastní hosting a tím úplně eliminovat náklady na tokeny.

Jak se Phi-4 liší od větších modelů?

Phi-4 obětuje čistou velikost ve prospěch kvality dat: Microsoft jej trénoval na syntetických a pečlivě vybraných akademických datech, aby překonal svou váhovou kategorii v úlohách uvažování, což z něj činí praktickou volbu, když nemůžete dovolit paměť nebo latenci modelu třídy 70B.

Phi 4

4099°

#llm #microsoft #uvažování #matematika #programování #lokální

Spustit model

Nabídky / Reklamy

OpenRouter Terminál / API

Platba za token

Chatuj s tímto modelem v prohlížeči nebo ho zavolej ze svého kódu s jedním API klíčem.

Microsoft | 16,384 tokenů kontextu | $0.07/M vstup, $0.14/M výstup. [Microsoft Research](/microsoft) Phi-4 je navržen tak, aby dobře zvládal složité úkoly uvažování a dokázal efektivně fungovat v situacích s omezenou pamětí nebo tam, kde jsou potřeba rychlé odpovědi. Má 14 miliard...

Návody k tomuto modelu

Ollama vs LM Studio (2026): kterou lokální AI aplikaci použít a jaké špičkové modely každá z nich spouští

Nejlepší lokální LLM podle použití (říjen 2026): správný otevřený model pro každou práci

Kolik VRAM vlastně potřebuji pro lokální AI?

Co je soubor GGUF? Vysvětlení kvantovaných modelů (Q4, Q8, fp8, NF4)

Všechny návody

Poznámky kapitána

Napsal Captain, hlavní redaktor

Poznámky z 2026-10-13

Phi-4 je textový model s 14 miliardami parametrů od Microsoft Research, trénovaný na pečlivě vybraném mixu syntetických dat, akademických knih a filtrovaného webového obsahu, s důrazem na kvalitu uvažování spíše než na čistou velikost. Běží pod licencí MIT, takže si můžete stáhnout váhy a používat je komerčně bez nutnosti žádosti o povolení. Pokud potřebujete schopný model pro uvažování, který se vejde na jednu spotřebitelskou GPU, je to jedna z vážnějších možností v této velikosti.

Známý pro

Silné komplexní uvažování vzhledem k počtu 14 miliard parametrů
Licence MIT: stahujte, upravujte a nasazujte komerčně bez omezení
Trénováno na 9,8 bilionech tokenů s velkým důrazem na kvalitu dat
Dostatečně efektivní pro nasazení s omezenou pamětí nebo citlivé na latenci
Dohledové doladění a přímá optimalizace preferencí pro následování instrukcí

Dej pozor na

Kontextové okno má 16 tisíc tokenů — krátké podle dnešních standardů; nevhodné pro dlouhé dokumenty.
Primárně angličtina; Microsoft upozorňuje, že nebyl speciálně hodnocen pro jiné jazyky.
Znalosti jsou omezeny do června 2024 nebo dříve; nedávné události nejsou v tréninkových datech.

Nejlepší pro

Promptů k vyzkoušení

Vícekroková logická hádanka

Pět lidí — Alice, Ben, Cara, Dan a Eve — vlastní každý přesně jedno domácí zvíře: kočku, psa, rybičku, králíka nebo papouška. Alice nevlastní rybičku. Ben vlastní papouška. Cara vlastní králíka. Dan nevlastní kočku. Kdo vlastní rybičku a kdo kočku? Ukažte své uvažování krok za krokem.

Refaktorování pro přehlednost

Refaktorujte tuto Python funkci tak, aby byla snazší na čtení a zvládala případ, kdy je vstupní seznam prázdný. Vysvětlete každou změnu, kterou provedete, a proč kód zlepšuje. def calc(lst): t=0 for i in lst: t=t+i return t/len(lst)

Fermiho odhad krok za krokem

Odhadněte, kolik ladičů klavírů pracuje ve městě s dvěma miliony obyvatel. Projděte každý předpoklad, přiřaďte k němu hrubé číslo a ukažte, jak se kombinují do konečného odhadu. Pak uveďte, který předpoklad je nejpravděpodobněji chybný a v jakém směru.

Porovnat s

Space Bunny Alpha
Model pouze s API
kontext 1,000,000 tokenů · zdarma k použití
Solar Pro 4
Model pouze s API
kontext 524,288 tokenů · $0.09/M vstup, $0.36/M výstup
Gemini 2.5 Flash
Model pouze s API
kontext 1,048,576 tokenů · $0.30/M vstup, $2.50/M výstup
Qwen3 30B A3B Thinking 2507
Model pouze s API
kontext 81,920 tokenů · $0.20/M vstup, $2.40/M výstup

Více textových modelů od microsoft

Často kladené otázky

Mohu spustit Phi-4 lokálně?: Ano — váhy jsou otevřené pod licencí MIT a jsou dostupné na Hugging Face pod microsoft/phi-4, takže jej můžete spustit lokálně s nástroji jako Ollama nebo LM Studio. Pro 14 miliard parametrů budete obvykle potřebovat 12 až 16 GB VRAM pro pohodlný inference.
Kolik stojí Phi-4 přes API?: Microsoft jej oceňuje na $0,07 za milion vstupních tokenů a $0,14 za milion výstupních tokenů, což jej řadí mezi levnější hostované modely; licence MIT také umožňuje vlastní hosting a tím úplně eliminovat náklady na tokeny.
Jak se Phi-4 liší od větších modelů?: Phi-4 obětuje čistou velikost ve prospěch kvality dat: Microsoft jej trénoval na syntetických a pečlivě vybraných akademických datech, aby překonal svou váhovou kategorii v úlohách uvažování, což z něj činí praktickou volbu, když nemůžete dovolit paměť nebo latenci modelu třídy 70B.

Verdikt kapitána
Opravdu užitečný malý model, pokud vám na kvalitě uvažování záleží více než na délce kontextu nebo vícejazyčné šíři.

Modelová karta na Hugging Face

Kapitán píše tyto poznámky na základě popisu modelu a modelové karty. Ceny a velikosti kontextu jsou od poskytovatele v době psaní a mohou se změnit.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Jak se toto skóre sčítá

Tento model zatím nemá žádná data o popularitě z žádného zdroje, takže má náhradní číslo pod 7,000°, které udržuje seznamy kompletní. Nikdy se neumístí výš než model s daty. Rozpis se tu objeví, jakmile ho nějaký zdroj nahlásí.

Slovníček: pojmy používané zde

Heat skóre: Jedno číslo, které ukazuje, jak moc se model teď používá a chce, od 0° do 9 999°. Každý seznam na tomto webu, který říká nejžhavější, je podle toho seřazený a nic jiného.
Minimum: 7 000° je základ, od kterého začíná každý model s reálnými daty. Měřítko je od 0° do 9 999°; část pod minimem je vyhrazena pro zástupce (modely bez dat), aby model s daty byl vždy výš než ten bez. Minimum je stejné pro všechny a nic nerozhoduje; stupně nad ním jsou měření.
Ekvivalenty stažení: Všechno, co skóre počítá jako stažení, sečtené: samotná stažení, každý torrent seeder jako 1 000, každý obrázek z AI Horde a každý běh na generujícím webu jako jedno.
Logaritmická škála: Počítá se po desítkách, ne po jednotkách: přechod z 1 000 na 10 000 stažení přidá stejný počet stupňů jako z 10 000 na 100 000. Zabraňuje, aby obři přebili všechno ostatní.
Lajky: Palce nahoru a lajky ze všech zdrojů, každý za polovinu váhy stažení na logaritmické škále.
Rychlost přijetí: Kolik stažení denně model právě teď má, podle rozdílu mezi dvěma odečty zdroje. Čtvrtina váhy oproti termínu stažení.
Měřené a odhadované: Měřené znamená, že existují dva záznamy zdroje a rozdíl je skutečný. Odhadované znamená, že je znám jen dnešní celkový údaj a minulost je rozložena přes životnost modelu; stránka uvádí, který typ zobrazuje.
Seeder: Někdo, kdo drží kopii vah online, aby si ji ostatní mohli stáhnout přes torrent, nebo hostovaný zrcadlový server, který dělá totéž. Každý takový počítá jako 1 000 stažení.
AI Horde: Dobrovolnická síť, která zdarma generuje obrázky na darovaných počítačích. Počet obrázků vytvořených s modelem je veřejný a každý se počítá jako jedno stažení.
Generační stránky: Stránky, které hostují vlastní kopie modelu a umožňují lidem generovat s ním, například PixAI, SeaArt a Yodayo. Jejich stažení se počítají stejně jako u Civitai a každý běh generování jako jedno stažení.
OpenRouter tokeny: Textový model poskytovaný přes API, jako Claude nebo GPT, nemá žádné váhy ke stažení, takže jeho využití se měří tokeny: kusy textu, které přečetl a napsal přes OpenRouter, bránu, kterou používá mnoho aplikací, za posledních 30 dní. Každých 10,000,000 tokenů se počítá jako jedno stažení. Zdroj: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Plný model (checkpoint): Samotné váhy, soubor, který generuje sám o sobě. Má bonus, protože na něm závisí doplňky.
LoRA a embedding: Malé doplňkové soubory, které nasměrují váhy někoho jiného k určitému stylu, postavě nebo konceptu. Samy o sobě nemohou běžet.
Rodina a váhy: Základ, na kterém je model postavený, například SD 1.5, SDXL, Flux nebo Wan. Každý model dědí datum vydání vah své rodiny.
Věk: Stupně odečtené podle toho, jak dávno vyšla váha rodiny: 150° za rok, až do 750°. Staré stažení, která měla roky na nashromáždění, zůstávají nahoře na seznamu.
Boost rodiny: Malý, omezený posun pro LoRA rodiny, kterou tato stránka právě podporuje, vždy uvedený v rozpisu.
Náhradní skóre: Stabilní číslo pod minimem dané modelu, o kterém zatím žádný zdroj nehlásí, aby seznamy zůstaly kompletní. Nikdy není výše než model s daty.
Nové! (ochranná lhůta): Model mladší než 7 dní ukazuje místo skóre Nové! a nezískává místo v žebříčku. Jeho skóre se počítá od prvního dne, ale model starý jeden den roste rychleji než cokoli jiného, takže bez čekání by #1 týdne byl vždy model, který vyšel včera, místo toho, co vydrželo týden.
Trend: Jak růst modelu za určité období odpovídá typickému růstu modelu za stejné období. Rychlejší než obvyklé znamená vzestup, pomalejší pokles.
Typický model: Střed katalogu: polovina modelů s číslem rostla rychleji za dané období, polovina pomaleji.

Podobné modely

Nano Banana Pro (Gemini 3 Pro Image Preview)

AI modely pro generování obrázků, videa a textu

Phi 4 je textový model pro rodinu Text / LLM uvedený na ModelTrends.ai, katalogu open source AI modelů pro obrázky, video a text určeném jen ke čtení. Porovnejte ho s dalšími modely Text / LLM a podívejte se na jeho skóre žhavosti.

Další modely Text / LLM llm microsoft uvažování matematika programování lokální rozpočet

Procházet podle rodiny modelů